一类非线性微分代数系统的L2-增益分析及状态反馈∞控制

分析了一类非线性微分代数系统的L₂增益, 并讨论了一类状态反馈H_∞控制问题. 在一定条件下给出了控制器的设计, 并保证了闭环指数为 1且零解渐近稳定.     

一类不确定系统的神经网络L2--增益鲁棒控制

对于一类具有三角结构的单输入单输出的不确定非线性系统, 用反步法(backstepping)和动态面控制方法(dynamic surface control technique)设计了一种使用神经网络补偿未知非线性的L2--增益鲁棒控制器. 控制器设计中没有直接解HJI(Hamilton-Jacobi-Isaac)不等式. 合理的选择了L2--增益性能指标, 将被控系统各个状态变量的跟踪误差和神经网络各权值的跟踪误差看作整个控制系统的各个状态变量, 并用Lyapunov定理和HJI不等式证明了使用提出的控制器后, 这些状态变量具有小于等于事先规定的正实数γ的L2--增益. 当系统的扰动信号为零向量时, 提出的控制器在原点是大范围渐近稳定的. 仿真研究结果表明所提出的控制器具有很好的跟踪性能和很强的鲁棒性.     

挠性卫星姿态跟踪自适应L2增益控制

针对在轨挠性卫星姿态跟踪时存在参数不确定、外部干扰以及控制输入受限等问题,提出了一种自适应L2增益控制方法.首先利用神经网络来逼近系统中的未知非线性动态特性,设计自适应控制律来处理系统中的不确定参数:其次设计了一鲁棒控制器使得干扰力矩对系统性能输出具有L2增益,从而实现对干扰的抑制控制.最后通过引入附加的输入误差系统,...     

船舶航向非线性系统鲁棒跟踪控制

对船舶航向非线性系统, 提出了一种基于神经网络方法的鲁棒跟踪控制器. 系统由船舶运动非线性响应模型和舵机伺服系统串联构成, 其中运动响应模型考虑了建模误差和外界干扰力等非匹配不确定性. 对建模误差和期望舵角的一阶导数项应用在线二层神经网络予以辨识和补偿, 不确定性干扰项处理应用L2增益设计. 采用Lyapunov函数递推法, 得到包括神经网络权值算法在内的跟踪控制器. 跟踪误差和神经网络权值误差的一致终值有界性保证了系统的鲁棒稳定性, 合理的控制器参数选择保证了控制精度. 仿真结果验证了控制器的有效性.     

带有控制受限的卫星编队飞行六自由度自适应协同控制

针对存在参数不确定性以及干扰的卫星编队飞行六自由度协同控制问题,提出了一种满足控制输入有界的自适应L2增益干扰抑制控制方法.该方法首先在不考虑干扰的条件下,针对卫星编队六自由度协同运动模型存在参数不确定性提出了一种自适应协同控制器;接着,考虑到系统存在干扰,进一步设计了具有L2增益干扰抑制能力且满足输入有界条件的自适应...